Team Topologies: escalar sin contratar más ingenieros

La pirámide que deja de funcionar

Durante décadas, las consultoras tecnológicas crecieron con una fórmula predecible: más clientes exigían más proyectos, más proyectos exigían más ingenieros y más ingenieros exigían más managers para coordinarlos. El tamaño del equipo funcionaba como la principal medida de capacidad productiva.

Los agentes de inteligencia artificial empiezan a romper esa lógica. Si un ingeniero que trabaja junto a agentes especializados puede producir varias veces más que antes, organizar la empresa alrededor de la cantidad de personas deja de tener sentido.

Gustavo Brey, ingeniero en Sistemas de la Información (UTN), docente y cofundador de Ingenia, sostiene en un análisis publicado por TN que el verdadero desafío no es tecnológico sino de diseño organizacional. No alcanza con enchufar herramientas de IA a una estructura pensada para el mundo anterior.

¿Y esto cómo se aplica en tu negocio?

Dueños de negocio de Latinoamérica y España usan un agente de IA para ganar más y recuperar su tiempo. El Kit «tu mano derecha con IA» te muestra cómo en un video de 11 minutos, con una ficha para armar el tuyo. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Para un founder, la traducción es directa: si tu propuesta de valor frente a un inversor o un cliente es "tengo 40 ingenieros", esa ventaja se está devaluando rápido.

¿Qué es Team Topologies y por qué vuelve a estar en discusión?

Team Topologies es un marco pensado originalmente para equipos de ingeniería de software. Su función es ordenar cómo se relacionan las personas, las plataformas y los flujos de valor dentro de una organización.

Lo nuevo es su uso como herramienta de rediseño total, no solo del área técnica. Varias compañías del sector empezaron a apoyarse en este modelo para decidir qué roles existen, cómo se agrupan los equipos y dónde vive el conocimiento cuando la IA asume parte del trabajo operativo.

Los tres cambios que propone el modelo agéntico

1. Separar el liderazgo comercial del liderazgo técnico. Hoy el responsable de una operación local vende, arma propuestas, sigue proyectos y resuelve imprevistos. El modelo agéntico propone que ese perfil se concentre en ser un asesor tecnológico de confianza para el CEO, el CIO o el CTO del cliente: decidir dónde jugar, mientras los equipos comerciales se ocupan de jugar.

2. Tratar cada cuenta como un flujo de valor, no como una venta. Una cuenta tiene contexto, stakeholders, presupuesto y hoja de ruta propia. La lógica cambia de "cerrar el próximo proyecto" a "acompañar la relación". En la etapa de entrada pesa el perfil que combina arquitectura y preventa; en la relación ya consolidada pesa la gestión de éxito del cliente, con foco en seguimiento y expansión.

3. Convertir a los líderes técnicos en responsables de capacidades. Dejan de ser dueños de clientes puntuales para definir estándares, formar equipos y permitir que el talento circule entre países y cuentas sin quedar atrapado en silos locales.

El "cyborg engineer": del ticket a la especificación

El cambio más profundo ocurre en cómo trabaja cada persona. La apuesta es que todo ingeniero se convierta en lo que empieza a conocerse como cyborg engineer: alguien que ya no trabaja solo, sino con especificaciones, contexto y un conjunto de agentes especializados que ejecutan una parte creciente de las tareas.

Esto cuestiona una estructura que la industria sostuvo durante años, con perfiles junior dedicados a tareas repetitivas y perfiles senior dedicados a supervisarlos. Buena parte de ese trabajo repetitivo puede hoy realizarlo un agente supervisado por alguien con mucha más experiencia. Hay casos documentados donde procesos que bajo un esquema tradicional llevaban meses se comprimieron a semanas.

Plataforma interna o laboratorio: la decisión que separa a las empresas

La diferencia entre las compañías que avanzan y las que se quedan en el piloto suele estar en una decisión concreta: construir una plataforma interna de IA —agentes reutilizables, herramientas, guías de trabajo y mecanismos de evaluación y control— en lugar de un laboratorio que experimenta al costado del negocio.

Un laboratorio investiga. Una plataforma hace que toda la organización funcione de otra manera, y sirve tanto para quien desarrolla software como para quien prepara una propuesta comercial o analiza un mercado.

La métrica que empieza a ganar terreno es los ingresos generados por cada ingeniero, no la cantidad de agentes creados ni de licencias adquiridas. Si la tecnología multiplica de verdad a las personas, ese efecto debería reflejarse en la capacidad económica que genera cada una.

¿Qué dice la evidencia disponible sobre productividad e ingresos?

El mercado ya está poniendo dinero detrás de esta tesis. La startup alemana Synera, fundada en 2018 en Bremen, cerró en abril de 2026 una Serie B de 40 millones de dólares (35 millones de euros) liderada por el fondo europeo Revaia, con Capgemini participando a través de ISAI Cap Venture, según reportó WWWhat's New. La operación elevó el total captado por la compañía a 58 millones, y la empresa reportó que dobló su ARR en 2025, con el 60% del nuevo negocio procedente de su oferta de agentes de IA. Entre sus clientes figuran NASA, BMW, Airbus, Volvo Trucks y Hyundai.

El dato de contexto que acompaña: según Gartner, el 86% de los responsables de TI del sector manufactura planea aumentar su inversión en IA generativa en 2026 y el 97% espera desplegarla para 2028.

Pero la evidencia sobre productividad individual es menos lineal de lo que promete el marketing. Un ensayo controlado de METR en 2025 con 16 desarrolladores experimentados encontró que, aunque esperaban ser un 25% más rápidos con IA, en la medición objetiva terminaron 19% más lentos, según recogió Forbes. El reporte DORA 2025 de Google encontró un patrón parecido a nivel de sistema: mayor throughput de entrega, pero menor estabilidad.

Y hay una tensión de modelo de negocio que casi nadie menciona. Cognizant reportó en septiembre que 17 agentes de IA en producción en un negocio de foodservice recuperaron cerca de 11 horas por account manager por semana, según Yahoo Finance. El detalle incómodo: la compañía generó 9.149 millones de dólares en contratos de tiempo y materiales en 2025, aproximadamente el 43,3% de sus ingresos totales. Automatizar horas facturables presiona ese ingreso salvo que suban los volúmenes, se sumen servicios o cambie el esquema de precios.

Qué significa esto para tu startup

1. Define tu métrica antes de comprar herramientas. Si vas a invertir en agentes de IA, elige hoy el indicador que vas a mirar en seis meses: ingresos por ingeniero, tiempo de ciclo de entrega o margen por proyecto. Sin métrica previa, cualquier resultado se vuelve anécdota y no puedes defender la inversión ante tu board.

2. Construye plataforma, no laboratorio. Un equipo de innovación aislado produce demos; una plataforma interna de agentes reutilizables, con guías y controles, cambia cómo trabaja toda la empresa. Empieza por los flujos que se repiten en varias áreas, no por el caso más vistoso.

3. Revisa tu pirámide de roles. Si tu estructura depende de juniors ejecutando tareas repetitivas y seniors supervisándolos, ese es el primer lugar donde el modelo agéntico te va a doler. Rediseña hacia perfiles que especifican, supervisan y controlan calidad, y empieza a formar a tu gente en esa transición antes de que el mercado te obligue.

4. Cuida el modelo de facturación. Si cobras por hora, la IA te va a reducir los ingresos antes que los costos. Es el momento de mover contratos hacia precios fijos, suscripción o esquemas atados a resultados, como ya está explorando la industria de servicios.

Conclusión

La discusión que viene en la industria del software no es qué modelo de IA usar ni qué agente construir. Es cómo organizar una compañía cuando una parte creciente del trabajo deja de ser ejecutada exclusivamente por personas. Ahí el problema deja de ser tecnológico y pasa a ser organizacional: hacen falta procesos, roles, incentivos y formas de tomar decisiones distintas a las que funcionaron durante veinte años.

La empresa que gane esta etapa probablemente no sea la que logre contratar más rápido, sino la que descubra antes cómo multiplicar la capacidad de cada persona sin multiplicar, al mismo ritmo, el tamaño de la organización.